TensorFlow 1.x版本回顾

机器学习和深度学习的区别：

• 对比

• 传统的机器学习：需要进行特征提取，然后分类算法
• 深度学习：神经物网络拥有自动特征提取的特性

深度学习框架版本

• CPU：

1. 综合能力比较强
2. 核芯数量比较少
3. 更适用于处理连续性（sequential）任务

• GPU：

1. 专做某一个事情比较好
2. 核芯数量比较多
3. 更适合并行（parallel）任务

TF数据流图

• tensorflow结构分析
• 一个构图阶段
  流程图：定义数据（张量（tensor））和操作（节点（op））
• 一个执行图的阶段
  调用各个方面资源，将定义好的数据和操作运行起来
• 数据流图介绍
• tensorflow
• tensor - 张量- 数据
• flow - 流动

图与tensorBoard

• 图结构
• 数据（tensor）+ 操作（operation）
• 默认图
• TensorFlow会默认创建一张图
• 查看默认图的两种方法：

1. 调用方法
2. 登录后复制

tf.get_default_graph()1.

1. 查看属性
2. 登录后复制

.graph1.

• 创建与查看图
• 登录后复制

################################################################################ 重要: 请务必把任务(jobs)中需要保存的文件存放在 results 文件夹内# Important : Please make sure your files are saved to the 'results' folder# in your jobs###############################################################################import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'#所有的op、sess、tensor都是在同一张图中，即内存地址相同def graph_demo():    v_data1 = tf.constant([1, 2, 3])    v_data2 = tf.constant([3, 2, 1])    v_data3 = tf.add(v_data1, v_data2)        default_graph = tf.get_default_graph()    print(default_graph)    print(v_data2.graph)        with tf.Session() as sess:        print(sess.graph)#定义自己的图，两个不同图的不在同一内存中def new_graph_demo():    #自定义图1    new_graph_initial = tf.Graph()     #在自己的图中定义数据和操作    with new_graph_initial.as_default():        v_data4 = tf.constant(8)        v_data5 = tf.constant(8)        v_data6 = v_data4 - v_data5                print(v_data6.graph)    #自定义图2    new_graph = tf.Graph()    #在自己的图中定义数据和操作    with new_graph.as_default():        v_data1 = tf.constant([1, 2, 3])        v_data2 = tf.constant([3, 2, 1])        v_data3 = tf.add(v_data1, v_data2)                       print(v_data3.graph)    #开启自定义图的会话,一个会话只能对一个一共图    with tf.Session(graph=new_graph_initial) as initial_graph_sess:        print(initial_graph_sess.run(v_data6))               if __name__ == "__main__":    new_graph_demo()1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.

• TensorBoard可视化：

1. 数据序列化到-events文件
6. 登录后复制

tf.summary.FileWriter("./tmp/summary",graph=initial_graph_sess.graph)1.

1. 启动TensorBoard
6. 登录后复制

tensorboard --logdir="./tmp/tensorflow/summary/test/"1.

• 浏览器打开127.0.0.1:6006可以看见GRAPHS图结构

operation

• 常见op

• 数据：Tensor对象
• 操作：Operation对象 - OP

操作函数      &       操作对象

tf.constant(Tensor对象) —生成—>     Const

Tensor("Add:0", shape=(3,), dtype=int32):操作对象名表示是由Add操作函数生成的，输出只有一个值表示0

• 指令名称：
  一张图，一个命名空间，可以自行修改指令名称,如：
• 登录后复制

v_data1 = tf.constant([1, 2, 3],name="v_data1")1.

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删